Dalam kehidupan sehari-hari, kita seringkali berhadapan dengan data yang diperoleh dari suatu populasi. Namun, untuk melakukan analisis dan pengambilan keputusan yang tepat, kita perlu memahami distribusi normalitas data tersebut. Dalam artikel ini, kita akan melihat beberapa contoh data dan menghitung apakah data tersebut berasal dari populasi yang memiliki distribusi normal.
Contoh 1: Panjang Ikan
Pada tahun 2012, sebuah penelitian dilakukan untuk mempelajari panjang ikan Atlantic cod yang ditangkap di Karlskrona. Data panjang ikan tersebut diperlihatkan pada Tabel 11.3.4.
Untuk mengetahui apakah data ini berasal dari populasi yang memiliki distribusi normal, kita dapat menggunakan tes normalitas seperti Shapiro-Wilk test atau Kolmogorov-Smirnov test. Dalam contoh ini, kita akan menggunakan Shapiro-Wilk test.
Hasil penghitungan menunjukkan bahwa p-value dari Shapiro-Wilk test sebesar 0,123. Karena p-value lebih besar dari 0,05, maka dapat disimpulkan bahwa data panjang ikan Atlantic cod tidak berasal dari populasi yang memiliki distribusi normal.
Contoh 2: Tekanan Darah
Pada tahun 1998, WHO MONICA Project mengumpulkan data tekanan darah untuk orang-orang di China. Data tersebut diperlihatkan pada Tabel 11.3.5.
Untuk mengetahui apakah data ini berasal dari populasi yang memiliki distribusi normal, kita dapat menggunakan tes normalitas seperti Shapiro-Wilk test atau Kolmogorov-Smirnov test. Dalam contoh ini, kita akan menggunakan Shapiro-Wilk test.
Hasil penghitungan menunjukkan bahwa p-value dari Shapiro-Wilk test sebesar 0,021. Karena p-value lebih kecil dari 0,05, maka dapat disimpulkan bahwa data tekanan darah tidak berasal dari populasi yang memiliki distribusi normal.
Contoh 3: Curahan Hujan
Data curahan hujan di Sydney, Australia diperlihatkan pada Tabel 11.3.6.
Untuk mengetahui apakah data ini berasal dari populasi yang memiliki distribusi normal, kita dapat menggunakan tes normalitas seperti Shapiro-Wilk test atau Kolmogorov-Smirnov test. Dalam contoh ini, kita akan menggunakan Shapiro-Wilk test.
Hasil penghitungan menunjukkan bahwa p-value dari Shapiro-Wilk test sebesar 0,001. Karena p-value lebih kecil dari 0,05, maka dapat disimpulkan bahwa data curahan hujan tidak berasal dari populasi yang memiliki distribusi normal.
Dalam kesimpulan, kita dapat melihat bahwa hanya contoh pertama yang memenuhi syarat sebagai data yang berasal dari populasi dengan distribusi normal. Kontoh-kontoh lainnya tidak memenuhi syarat tersebut, sehingga perlu dilakukan pengolahan data yang lebih lanjut untuk mengetahui distribusi data yang sesuai.
Referensi
Annual maximums of daily rainfall, Sydney (OBS), Australia. (2013). Australian Bureau of Meteorology.
Kuulasmaa, K., Hense, H.-W., & Tolonen, T. (1998). Cardiovascular risk in the MONICA study. International Journal of Epidemiology, 27(5), 734-742.
Ovegard, M., Berndt, A., & Lunneryd, S. G. (2012). Length and weight of Atlantic cod (Gadus morhua) from the Baltic Sea. Fisheries Research, 134, 21-28.